胃肠肿瘤标志物诊断大肠癌之检验医学实践

目的 将有限的检验信息提炼为高效的诊治信息,从技术层面探索检验医学的临床实残新途径.方法 以CA72-4,CAl9-9和CEA三项血清标志物检验诊断大肠癌为例,依托实验室信息系统(LIS)与医院信息系统(HIS)的数据信息平台,利用人工神经网络(ANN)为数据挖掘工具和SPSS统计软件构建ROC数据集,以验后概率解释每一份胃肠肿瘤标志物检验报告.结果 纳入研究的1 206份胃肠道肿瘤标志物检验标本中大肠癌占12.365%;构建了CA19-9.CA72-4和CEA检验筛查和诊断大肠癌的ROC数据象;大肠癌组三项血清标志物浓度均显著高于健康对照组和其他疾病组(P＜0.01);CA19-9,CA72-4,CEA和人工神经网络诊断模型预测值筛查大肠癌的ROC曲线下面积分别是0.624,0.692,0.721和0.785.而诊断大肠癌的ROC曲线下面积分别是0.607,0.762,0.687和0.795.赋予验后概率的检验报告客现地提供了检测结果 的参考价值.结论 ANN模型在多项检验项目分析中具有更高的诊断效率,构建ROC数据集并赋予验后概率的检验报告是检验医学临床实践切实可行的新途径.